欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python爬蟲入門教程--快速理解HTTP協(xié)議（一）

 更新時間：2017年05月25日 09:15:32   作者：FOOFISH  
http協(xié)議是互聯(lián)網(wǎng)里面最重要，最基礎(chǔ)的協(xié)議之一，我們的爬蟲需要經(jīng)常和http協(xié)議打交道。下面這篇文章主要給大家介紹了關(guān)于python爬蟲入門之快速理解HTTP協(xié)議的相關(guān)資料，文中介紹的非常詳細(xì)，需要的朋友可以參考借鑒，下面來一起看看吧。

前言

爬蟲的基本原理是模擬瀏覽器進(jìn)行 HTTP 請求，理解 HTTP 協(xié)議是寫爬蟲的必備基礎(chǔ)，招聘網(wǎng)站的爬蟲崗位也赫然寫著熟練掌握HTTP協(xié)議規(guī)范，寫爬蟲還不得不先從HTTP協(xié)議開始講起

HTTP協(xié)議是什么？

你瀏覽的每一個網(wǎng)頁都是基于 HTTP 協(xié)議呈現(xiàn)的，HTTP 協(xié)議是互聯(lián)網(wǎng)應(yīng)用中，客戶端（瀏覽器）與服務(wù)器之間進(jìn)行數(shù)據(jù)通信的一種協(xié)議。協(xié)議中規(guī)定了客戶端應(yīng)該按照什么格式給服務(wù)器發(fā)送請求，同時也約定了服務(wù)端返回的響應(yīng)結(jié)果應(yīng)該是什么格式。

只要大家都按照協(xié)議規(guī)定方式發(fā)起請求和返回響應(yīng)結(jié)果，任何人都可以基于HTTP協(xié)議實現(xiàn)自己的Web客戶端（瀏覽器、爬蟲）和Web服務(wù)器（Nginx、Apache等）。

HTTP 協(xié)議本身是非常簡單的。它規(guī)定，只能由客戶端主動發(fā)起請求，服務(wù)器接收請求處理后返回響應(yīng)結(jié)果，同時 HTTP 是一種無狀態(tài)的協(xié)議，協(xié)議本身不記錄客戶端的歷史請求記錄。

HTTP 協(xié)議是如何規(guī)定請求格式和響應(yīng)格式的呢？換言之，客戶端按照什么格式才能正確發(fā)起 HTTP 請求呢？服務(wù)端按照什么格式返回響應(yīng)結(jié)果客戶端才能正確解析？

HTTP 請求

HTTP 請求由3部分組成，分別是請求行、請求首部、請求體，首部和請求體是可選的，并不是每個請求都需要的。

請求行

請求行是每個請求必不可少的部分，它由3部分組成，分別是請求方法（method)、請求URL（URI）、HTTP協(xié)議版本，以空格隔開。

HTTP協(xié)議中最常用的請求方法有：GET、POST、PUT、DELETE。GET 方法用于從服務(wù)器獲取資源，90%的爬蟲都是基于GET請求抓取數(shù)據(jù)。

請求 URL 是指資源所在服務(wù)器的路徑地址，比如上圖的例子表示客戶端想獲取 index.html 這個資源，它的路徑在服務(wù)器 foofish.net 的根目錄（/）下面。

請求首部

因為請求行所攜帶的信息量非常有限，以至于客戶端還有很多想向服務(wù)器要說的事情不得不放在請求首部（Header），請求首部用于給服務(wù)器提供一些額外的信息，比如 User-Agent 用來表明客戶端的身份，讓服務(wù)器知道你是來自瀏覽器的請求還是爬蟲，是來自 Chrome 瀏覽器還是 FireFox。HTTP/1.1 規(guī)定了47種首部字段類型。HTTP首部字段的格式很像 Python 中的字典類型，由鍵值對組成，中間用冒號隔開。比如：

User-Agent: Mozilla/5.0

因為客戶端發(fā)送請求時，發(fā)送的數(shù)據(jù)（報文）是由字符串構(gòu)成的，為了區(qū)分請求首部的結(jié)尾和請求體的開始，用一個空行來表示，遇到空行時，就表示這是首部的結(jié)尾，請求體的開始。

請求體

請求體是客戶端提交給服務(wù)器的真正內(nèi)容，比如用戶登錄時的需要用的用戶名和密碼，比如文件上傳的數(shù)據(jù)，比如注冊用戶信息時提交的表單信息。

現(xiàn)在我們用 Python 提供的最原始API socket 模塊來模擬向服務(wù)器發(fā)起一個 HTTP 請求

with socket.socket(socket.AF_INET, socket.SOCK_STREAM) as s:
 # 1. 與服務(wù)器建立連接
 s.connect(("www.seriot.ch", 80))
 # 2. 構(gòu)建請求行，請求資源是 index.php
 request_line = b"GET /index.php HTTP/1.1"
 # 3. 構(gòu)建請求首部，指定主機(jī)名
 headers = b"Host: seriot.ch"
 # 4. 用空行標(biāo)記請求首部的結(jié)束位置
 blank_line = b"\r\n"

 # 請求行、首部、空行這3部分內(nèi)容用換行符分隔，組成一個請求報文字符串
 # 發(fā)送給服務(wù)器
 message = b"\r\n".join([request_line, headers, blank_line])
 s.send(message)

 # 服務(wù)器返回的響應(yīng)內(nèi)容稍后進(jìn)行分析
 response = s.recv(1024)
 print(response)

HTTP 響應(yīng)

服務(wù)端接收請求并處理后，返回響應(yīng)內(nèi)容給客戶端，同樣地，響應(yīng)內(nèi)容也必須遵循固定的格式瀏覽器才能正確解析。HTTP 響應(yīng)也由3部分組成，分別是：響應(yīng)行、響應(yīng)首部、響應(yīng)體，與 HTTP 的請求格式是相對應(yīng)的。

響應(yīng)行

響應(yīng)行同樣也是3部分組成，由服務(wù)端支持的 HTTP 協(xié)議版本號、狀態(tài)碼、以及對狀態(tài)碼的簡短原因描述組成。

狀態(tài)碼是響應(yīng)行中很重要的一個字段。通過狀態(tài)碼，客戶端可以知道服務(wù)器是否正常處理的請求。如果狀態(tài)碼是200，說明客戶端的請求處理成功，如果是500，說明服務(wù)器處理請求的時候出現(xiàn)了異常。404 表示請求的資源在服務(wù)器找不到。除此之外，HTTP 協(xié)議還很定義了很多其他的狀態(tài)碼，不過它不是本文的討論范圍。

響應(yīng)首部

響應(yīng)首部和請求首部類似，用于對響應(yīng)內(nèi)容的補(bǔ)充，在首部里面可以告知客戶端響應(yīng)體的數(shù)據(jù)類型是什么？響應(yīng)內(nèi)容返回的時間是什么時候，響應(yīng)體是否壓縮了，響應(yīng)體最后一次修改的時間。

響應(yīng)體

響應(yīng)體（body）是服務(wù)器返回的真正內(nèi)容，它可以是一個HTML頁面，或者是一張圖片、一段視頻等等。

我們繼續(xù)沿用前面那個例子來看看服務(wù)器返回的響應(yīng)結(jié)果是什么？因為我只接收了前1024個字節(jié)，所以有一部分響應(yīng)內(nèi)容是看不到的。

b'HTTP/1.1 200 OK\r\n
Date: Tue, 04 Apr 2017 16:22:35 GMT\r\n
Server: Apache\r\n
Expires: Thu, 19 Nov 1981 08:52:00 GMT\r\n
Set-Cookie: PHPSESSID=66bea0a1f7cb572584745f9ce6984b7e; path=/\r\n
Transfer-Encoding: chunked\r\n
Content-Type: text/html; charset=UTF-8\r\n\r\n118d\r\n

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Strict//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-strict.dtd">\n\n
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">\n
<head>\n\t
 <meta http-equiv="Content-Type" content="text/html;charset=iso-8859-1" /> \n\t
 <meta http-equiv="content-language" content="en" />\n\t
...
</html>

從結(jié)果來看，它與協(xié)議中規(guī)范的格式是一樣的，第一行是響應(yīng)行，狀態(tài)碼是200，表明請求成功。第二部分是響應(yīng)首部信息，由多個首部組成，有服務(wù)器返回響應(yīng)的時間，Cookie信息等等。第三部分就是真正的響應(yīng)體 HTML 文本。

至此，你應(yīng)該對 HTTP 協(xié)議有一個總體的認(rèn)識了，爬蟲的行為本質(zhì)上就是模擬瀏覽器發(fā)送HTTP請求，所以要想在爬蟲領(lǐng)域深耕細(xì)作，理解 HTTP 協(xié)議是必須的。

總結(jié)

以上就是這篇文章的全部內(nèi)容，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作能帶來一定的幫助，如果有疑問大家可以留言交流，謝謝大家對腳本之家的支持。

相關(guān)文章

  • PyTorch之關(guān)于hook機(jī)制

    PyTorch之關(guān)于hook機(jī)制

    這篇文章主要介紹了PyTorch之關(guān)于hook機(jī)制的理解,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-08-08
  • 用Python實現(xiàn)職工信息管理系統(tǒng)

    用Python實現(xiàn)職工信息管理系統(tǒng)

    這篇文章主要介紹了用Python實現(xiàn)職工信息管理系統(tǒng),文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-12-12
  • Pytorch搭建SRGAN平臺提升圖片超分辨率

    Pytorch搭建SRGAN平臺提升圖片超分辨率

    這篇文章主要為大家介紹了Pytorch搭建SRGAN平臺提升圖片超分辨率，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪
    2022-04-04
  • requests.gPython?用requests.get獲取網(wǎng)頁內(nèi)容為空?’?’問題

    requests.gPython?用requests.get獲取網(wǎng)頁內(nèi)容為空?’?’問題

    這篇文章主要介紹了requests.gPython?用requests.get獲取網(wǎng)頁內(nèi)容為空?’?’，溫行首先舉例說明，具有一定得參考價值，需要的小伙伴可以參考一下
    2022-01-01
  • python的sorted函數(shù)及使用解析

    python的sorted函數(shù)及使用解析

    這篇文章主要介紹了python的sorted函數(shù),sorted函數(shù)就比sort函數(shù)要強(qiáng)大許多了，sort只能對列表進(jìn)行排序，sorted可以對所有可迭代類型進(jìn)行排序，并且返回新的已排序的列，本文給大家詳細(xì)講解需要的朋友可以參考下
    2022-11-11
  • python正則表達(dá)式re模塊詳解

    python正則表達(dá)式re模塊詳解

    re 模塊包含對正則表達(dá)式的支持，因為曾經(jīng)系統(tǒng)學(xué)習(xí)過正則表達(dá)式，所以基礎(chǔ)內(nèi)容略過，直接看 python 對于正則表達(dá)式的支持。
    2014-06-06
  • Python爬取網(wǎng)頁信息的示例

    Python爬取網(wǎng)頁信息的示例

    這篇文章主要介紹了Python爬取網(wǎng)頁信息的示例，幫助大家更好的理解和學(xué)習(xí)python 爬蟲，感興趣的朋友可以了解下
    2020-09-09
  • python 中的列表解析和生成表達(dá)式

    python 中的列表解析和生成表達(dá)式

    優(yōu)雅、清晰和務(wù)實都是python的核心價值觀，如果想通過操作和處理一個序列（或其他的可迭代對象）來創(chuàng)建一個新的列表時可以使用列表解析（ List comprehensions）和生成表達(dá)式，通過這兩個操作，我們可以看到這三個觀點是如何在python中和諧統(tǒng)一起來的。
    2011-03-03
  • python opencv 找出圖像中的最大輪廓并填充(生成mask)

    python opencv 找出圖像中的最大輪廓并填充(生成mask)

    這篇文章主要介紹了python opencv 找出圖像中的最大輪廓并填充(生成mask)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-03-03
  • python讀取TXT每行,并存到LIST中的方法

    python讀取TXT每行,并存到LIST中的方法

    今天小編就為大家分享一篇python讀取TXT每行,并存到LIST中的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10

最新評論